收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于外貌的行人重识别技术研究

张华  
【摘要】:近几年来,国家安全形势日趋严峻,城市视频监控系统的大规模建设与部署推动了视频侦查技术的发展与应用,人们对智能视频分析技术及其应用提出了更为迫切的需求。实际视频侦查中往往需要对犯罪嫌疑人的完整活动路径进行分析,这依赖于在监控视频中识别同一个人在不同位置和不同时间出现的画面,即行人重识别问题。有别于在同一个摄像头下的目标跟踪问题,行人重识别更关注在视野上没有重叠区的多摄像头下的行人识别问题。由于摄像机参数、光照和姿态变化,以及监控视频分辨率较低,通过人脸和步态等进行行人识别的传统方法就不合适,而通过提取行人的整体外貌特征进行识别能取得相对较好的效果。因此,基于外貌的行人重识别技术已逐渐成为视频检索和分析方向的研究热点。 行人重识别是计算机视觉领域的一个较新的课题,目前还没有一个统一的、完整的理论框架,已提出的方法可以大致分为基于特征描述的方法和基于机器学习的方法。前者关注找到能够较好的描述外貌特征的方法,后者更关注通过学习的方法找到有效的测量特征描述符间距离的模型。从实际应用的角度考虑,基于机器学习的方法存在几个问题:(1)高维特征向量计算复杂度高,需要大量的存储空间;(2)训练过程时间较长,且样本获取困难。而基于特征描述的方法主要利用行人衣着的视觉信息,使用相对容易提取的图像特征对外貌进行描述,一般不需要训练过程。从实际应用的需求出发,基于特征描述的方法无疑具有明显的优势,也是本文研究的重点所在。 最近几年,已经有许多外貌描述方法被提出来,而且提出者通过实验验证它们对光照和视角变化具有一定的鲁棒性,最有代表性的方法是基于对称驱动的局部特征累积方法(Symmetry-Driven Accumulation of Local Features, SDALF)。 SDALF方法把人体分成头、躯干和腿三部分,然后在每一部分提取三种相互补充的特征,通过组合三种特征的描述符构成完整的外貌描述。虽然SDALF在若干标准测试数据集上取得令人满意的性能,但是在实际应用中依然存在几个主要问题:(1)现有方法在提取外貌特征、建立描述符和计算相似度的过程中计算复杂度仍然较高,特征描述符存储开销较大;(2)重识别可以看作是把候选目标根据他们与查询目标之间的特征相似度进行排序,实际应用中一次重识别后的初始排序结果并不能令人满意,近两年来开始有研究者在重识别方法中采用相关反馈技术对排序结果进行改善,试图让正确结果尽量排在前面,但是基于反馈的交互式方法增加了用户的负担,以及重识别的高计算复杂度导致用户体验较差。 针对以上问题,本文以视频侦查应用为背景对基于外貌的行人重识别技术展开研究。研究思路是:联合对光照具有不变性的颜色描述符和空间信息来描述行人外貌,建立一种在计算复杂度和性能上较均衡的行人外貌特征描述符;然后,采用差异表示方法计算行人外貌描述符与一组原型之间的差异值,使用差异值向量来表示行人外貌,作为一种紧凑的外貌描述符,降低了特征描述符库的存储开销和相似度计算复杂度;最后,设计一种重排序方法对行人重识别的排序结果进行改善,在保证用户体验的同时尽可能提高重识别的准确率。实验结果显示本文的方法可以得到与SDALF接近的性能,同时具有计算复杂度低和存储开销小的优点,而且可以方便地集成到实际应用系统中。 本文的创新性研究成果主要包括以下几个方面: (1)基于空间颜色特征的行人外貌描述 由于颜色受光照和视角变化的影响较大,而且基本的颜色直方图没有保留空间信息,从而导致传统的使用颜色直方图描述行人外貌的方法性能较低。针对该问题,本文提出了基于空间颜色特征的行人外貌描述符,采用对光照具有不变性的颜色描述符对外貌进行描述,一定程度上克服光照变化的影响。另一方面,为了弥补颜色直方图缺少空间信息的缺陷,在计算外貌特征描述符时在颜色特征描述符的基础上加入空问信息。实验结果显示本方法在取得接近最好性能的同时具有低计算复杂度的优点。 (2)基于差异表示的行人外貌快速匹配方法 通过聚合多种特征,用高维向量的组合来构成描述符,必然使得提取特征、描述特征和匹配特征的计算量较大,导致重识别系统效率较低,而且高维特征描述符的存储开销大。针对该问题,本文提出了基于差异表示的行人外貌匹配方法。该方法是基于模式识别中差异表示方法的思想,在一个行人样本库的外貌描述符中选择若干原型,然后计算行人外貌描述符与原型之间的差异值向量作为新的行人外貌描述符,从而降低了行人外貌描述符的存储开销,并提高了相似度计算速度。实验结果显示本方法较大幅度地提高了重识别的效率。 (3)基于快速匹配和排名距离的行人重识别方法 由于行人外貌描述符的计算复杂度较高,导致现有的采用相关反馈技术去改善排序结果的行人重识别方法的用户体验较差,同时也加重了用户浏览结果和标记相关项的负担。针对该问题,本文提出了基于快速匹配和排名距离的行人重识别方法。该方法是在重识别系统中增加一个结果优化过程,即在根据用户提交的识别目标完成一次重识别后,自动把目标行人加入候选行人库,对每个候选行人进行一次查询,然后利用查询得到的排序表中蕴含的排名相似性计算每对行人间的排名距离,最后根据排名距离对行人进行重新排序。实验结果显示本方法提高了重识别的准确率。 综上所述,为了把行人重识别技术用于刑侦视频检索与分析应用系统中,本文把设计在性能和效率间平衡的行人重识别方法作为研究目标,依次对行人外貌描述、匹配方法和排序结果改善三个环节的问题和关键技术展开研究,提出了相应的方法,并通过实验证明了本文方法的有效性,对于开展重识别技术的深度应用具有重要的理论意义和应用价值。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 刘忠伟,章毓晋;利用颜色特征进行图象检索[J];电子技术应用;1999年02期
2 胡波;毛罕平;张艳诚;;用于识别田间空心莲子草的颜色特征的研究[J];农机化研究;2006年09期
3 张正伟;;基于动态和颜色特征的火焰目标检测[J];科技资讯;2011年06期
4 李久永,李学群,普园媛,李天牧;计算机辅助农产品分类应用中颜色特征的表征和提取[J];云南大学学报(自然科学版);1998年S1期
5 成芳,应义斌;基于颜色特征的稻种霉变检测算法[J];农业机械学报;2004年04期
6 周嘉姬;王涛;钟宝荣;;基于颜色特征图片的检索技术[J];电脑知识与技术(学术交流);2007年04期
7 桂斌;;颜色传输算法的研究[J];微计算机信息;2010年05期
8 陈旋;曹毅;;基于颜色特征的嵌入式液态试剂检测系统的设计与实现[J];计算机系统应用;2010年07期
9 赵琰;周俊杰;;基于颜色特征的图像摘要算法[J];上海电力学院学报;2010年05期
10 李娉婷;石跃祥;戴皇冠;;基于颜色特征的家居设计图分类[J];计算机工程;2011年16期
11 龚应忠;李子存;冯新泸;管亮;苏庆宇;张晓伟;;基于颜色特征的铜片腐蚀结果评价[J];腐蚀与防护;2013年02期
12 傅少伟;计算机颜色模拟[J];计算机应用与软件;1992年03期
13 戴天虹;王克奇;杨少春;;基于颜色特征对木材分级的研究[J];计算机工程与设计;2007年18期
14 李志臣;姬长英;安秋;;基于颜色特征的作物与背景分割的对比研究[J];东北农业大学学报;2008年09期
15 杨冬风;陈争光;;基于颜色特征的马铃薯绿皮检测[J];黑龙江八一农垦大学学报;2011年01期
16 曹莉华;用颜色特征进行基于形状的检索[J];计算机工程与应用;1999年12期
17 王文惠,王展,周良柱,万建伟;基于内容的彩色图像颜色特征的抽取方法[J];计算机辅助设计与图形学学报;2001年06期
18 李海芳;贺静;焦丽鹏;;基于颜色特征的图像情感分类[J];计算机应用;2007年02期
19 贾大春;贾昕;;基于C#的图像颜色特征值的提取与匹配[J];河北软件职业技术学院学报;2008年02期
20 郑秋梅;王红霞;刘康炜;;基于边缘和颜色特征的图像检索技术[J];微计算机应用;2008年11期
中国重要会议论文全文数据库 前10条
1 崔翔宇;许百华;;颜色特征信息对客体档案保持的影响[A];第十二届全国心理学学术大会论文摘要集[C];2009年
2 朱嘉珑;;俄语颜色词意义浅析[A];福建省外国语文学会2009年年会暨学术研讨会论文集[C];2009年
3 委福祥;曲彦平;苑玮琦;;镀层腐蚀形貌图像颜色特征的提取与分析[A];首届信息获取与处理学术会议论文集[C];2003年
4 黄勃;王宽全;李乃民;;基于像素的舌象颜色分析[A];第四次全国中西医结合诊断学术研讨会论文集[C];2010年
5 翟文鹏;吴爱国;杜春燕;;基于烟雾颜色特征和运动特征分析的视频烟雾探测[A];第二十九届中国控制会议论文集[C];2010年
6 吴成玉;邰晓英;赵杰煜;;基于颜色特征的图像检索方法与实现[A];第二十一届中国数据库学术会议论文集(研究报告篇)[C];2004年
7 朱伟涛;刘士荣;邱雪娜;;基于颜色和粒子滤波的视频目标检测与跟踪[A];PCC2009—第20届中国过程控制会议论文集[C];2009年
8 郭忠伟;李洪峰;;C~3 I系统中基于颜色特征的战场图像快速检索[A];中国造船工程学会电子技术学术委员会2006学术年会论文集(上册)[C];2006年
9 林名强;张陈斌;陈宗海;;运动与颜色特征相融合的目标跟踪算法[A];系统仿真技术及其应用学术论文集(第15卷)[C];2014年
10 郝婷;孟正大;;机器人在复杂环境下的火炬识别[A];2005全国自动化新技术学术交流会论文集(二)[C];2005年
中国博士学位论文全文数据库 前10条
1 王娟;基于计算机视觉的棉花干旱诊断研究[D];石河子大学;2014年
2 白雪峰;足球视频内容分析关键技术研究[D];哈尔滨工业大学;2014年
3 迟莹莹;新旧客体颜色比例对预览效应的影响机制[D];东北师范大学;2016年
4 刘丽;联合信息在价值驱动注意捕获中的作用[D];天津师范大学;2017年
5 张华;基于外貌的行人重识别技术研究[D];武汉大学;2013年
6 陈雁;纺织服装颜色风格的原理与应用[D];苏州大学;2002年
7 肖学中;基于实例的颜色处理新技术研究[D];上海交通大学;2009年
8 陆荣秀;基于颜色特征的镨/钕萃取过程组分含量检测方法研究[D];南昌大学;2015年
9 戴天虹;基于计算机视觉的木质板材颜色分类方法的研究[D];东北林业大学;2008年
10 蒋孝锋;服装颜色明度对人情感的影响机制[D];苏州大学;2011年
中国硕士学位论文全文数据库 前10条
1 赵颖;有关历代主要字词典所收颜色词的系统研究[D];山西师范大学;2010年
2 许媛;洱海蓝藻爆发识别的研究及工程实现[D];昆明理工大学;2015年
3 沈新宁;基于颜色特征的快速图像检索技术的研究[D];复旦大学;2014年
4 张晶晶;基于高光谱成像技术的杏成熟度判别研究[D];山西农业大学;2015年
5 韩大洋;提高人眼匹配显示器到投影仪颜色再现精度的方法研究[D];云南师范大学;2015年
6 唐钦;基于纹理和颜色特征的植物叶片识别方法研究[D];浙江大学;2015年
7 任天威;基于stm32微处理器的颜色采集与分析[D];黑龙江大学;2015年
8 许世杰;基于色差模型的色盲辅助矫正方法研究[D];西安电子科技大学;2014年
9 周国庆;基于视觉显著性的图像目标检测设计与实现[D];西安电子科技大学;2014年
10 王婧;纺织品颜色分类及色差检测系统研究[D];西安工程大学;2015年
中国重要报纸全文数据库 前5条
1 董岚;蓝色蓝宝石之颜色分级[N];中国黄金报;2004年
2 成都监测台 吴或;基于颜色特征的网络不良视频检测技术研究[N];电子报;2013年
3 张仁山;翡翠名称的特征[N];中国矿业报;2003年
4 白毅;中科院上海神经所:发现果蝇具有基于经验的学习能力[N];中国医药报;2007年
5 刘占军;“红蓝黄绿”任我搜[N];中国电脑教育报;2009年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978